Giriş
Anlamsal modeller, Microsoft Fabric analiz temelini oluşturur. Raporlar, panolar ve yapay zeka deneyimlerinde verilerin nasıl yapılandırılacağını, hesaplanıp kullanılacağını tanımlar. Power BI Desktop'ta küçük bir ekip için çalışan bir model, birden çok veri deposunda yüzlerce kullanıcıya otomatik olarak hizmet vermez. Veri hacimleri arttığında, ekipler genişlediğinde ve tüketim desenleri değiştiğinde, modelin arkasındaki tasarım kararlarının değişmesi gerekir.
Bir kuruluşun analiz platformunu Microsoft Fabric'da ölçeklendiriyor olduğunu varsayalım. Verileri göl evleri ve depolar arasında yer alır ve mevcut anlam modelleri küçük ekipler için Power BI Desktop'ta oluşturulmuşlardır. Şimdi bu modellerin daha büyük veri kümelerini, daha fazla eşzamanlı kullanıcıyı ve daha geniş tüketim desenlerini işlemesi gerekir. Modeller mevcut boyutlarıyla çalışmaktadır, ancak ölçeklenebilirlik için tasarlanmamıştır.
Bu modülde, ölçek için anlamsal bir model hazırlayan tasarım kararları alırsınız. Verilerin modele nasıl aktığı için doğru depolama modunu seçerek işe başlarsınız. Ardından netlik ve performans için yıldız şeması ilişkileri tasarlarsınız. Daha sonra, veri hacimleri ve ekip boyutu büyüdükçe performansını sürdüren ve bakımı kolay hesaplamalar tasarlayacaksınız. Son olarak, modelin büyük veri kümelerini, eşzamanlı sorguları ve dış araç erişimini nasıl işlediğini denetleyebilen ayarları yapılandıracaksınız.
Bu modülün sonunda doğru depolama modunu kullanan anlamsal modeller tasarlayabilecek, yıldız şeması en iyi yöntemlerini takip edebilecek, ölçeklenebilir hesaplama desenlerini dahil edebilecek ve artan veri hacimleri ve tüketim talepleri için yapılandırabileceksiniz. Ölçek için tasarlanan modeller yapay zeka tüketimine de avantaj sağlar çünkü yapay zeka modellerden aynı şeyleri talep eder: geçerli veriler, net ilişkiler, açıklayıcı yapılar ve ek sorgu yükünü işleme kapasitesi.